Summary  
This chapter covers defining and manipulating set data structures in Python, including union, intersection, difference, symmetric difference, subset/superset checks, and using sets to remove duplicate elements.

General domain of usage  
Data science

## Analyse du code Python

### Définition des ensembles
Un **ensemble** est défini à l'aide des accolades `{}` ou de la fonction `set()`. Les ensembles **n'autorisent pas les valeurs dupliquées** et ne conservent aucun ordre spécifique.

# Define two sets
set_a = {1, 2, 3, 4, 5}
set_b = set([4, 5, 6, 7, 8])

print("Set A:", set_a)
print("Set B:", set_b)

Même si un ensemble est défini avec des valeurs dupliquées, Python **supprime automatiquement** les doublons.

### Union des ensembles
Combine les éléments des **deux ensembles**. **Aucun doublon** n'est inclus.


set_a = {1, 2, 3, 4, 5}
set_b = {4, 5, 6, 7, 8}

union_set = set_a.union(set_b)
print("Union:", union_set)

### Intersection des ensembles

Renvoie uniquement les éléments **communs aux deux ensembles**.


set_a = {1, 2, 3, 4, 5}
set_b = {4, 5, 6, 7, 8}

intersection_set = set_a.intersection(set_b)
print("Intersection:", intersection_set)

### Différence des ensembles
Identifie les éléments dans `set_a` qui ne sont **PAS** dans `set_b`.


set_a = {1, 2, 3, 4, 5}
set_b = {4, 5, 6, 7, 8}

difference_set = set_a.difference(set_b)
print("Difference (A - B):", difference_set)

### Différence symétrique
Identifie les éléments présents dans **l'un ou l'autre ensemble**, mais **PAS dans les deux**.


set_a = {1, 2, 3, 4, 5}
set_b = {4, 5, 6, 7, 8}

symmetric_difference_set = set_a.symmetric_difference(set_b)
print("Symmetric Difference:", symmetric_difference_set)

### Relations de sous-ensemble et de sur-ensemble
- `issubset()` vérifie si **tous les éléments d'un ensemble existent dans un autre** ;
- `issuperset()` vérifie si **un ensemble contient entièrement un autre**.


set_a = {1, 2, 3, 4, 5}
set_b = {4, 5, 6, 7, 8}

print("Is A a subset of B?", set_a.issubset(set_b))
print("Is A a superset of {3, 4}?", set_a.issuperset({3, 4}))

### Suppression des doublons à l'aide des ensembles
Un **cas d'utilisation courant** des ensembles consiste à supprimer les doublons d'une liste.


data = [1, 2, 2, 3, 4, 4, 5]
unique_data = set(data)
print("Unique values:", unique_data)

Puisque les ensembles **n'autorisent pas les doublons**, la conversion d'une liste en ensemble supprime automatiquement les valeurs répétées.

Maîtrisez les bases mathématiques essentielles pour la science des données. Explorez les concepts fondamentaux des fonctions, du calcul différentiel et intégral, de l'algèbre linéaire, de la probabilité et de la réduction de dimensionnalité. Développez à la fois une compréhension théorique et une expérience pratique du codage afin de renforcer votre capacité à analyser des données, modéliser des systèmes complexes et appliquer des techniques avancées en apprentissage automatique.

Explorez les bases des fonctions mathématiques. Découvrez différents types de fonctions algébriques et transcendantes, leurs propriétés, ainsi que leur implémentation en Python pour résoudre des problèmes concrets.

Maîtrise des concepts d'ensembles et de séries, des opérations de base aux applications pratiques. Expérience pratique de la mise en œuvre des opérations sur les ensembles et du travail avec les séries arithmétiques et géométriques en Python.

Acquisition d'une compréhension approfondie des limites, dérivées, intégrales et dérivées partielles. Mise en relation de la théorie et de la pratique par l'implémentation de ces concepts en Python et leur application à l'optimisation via la descente de gradient.

Acquisition de connaissances solides sur les vecteurs, les matrices et les transformations. Étude des méthodes de décomposition et de l'analyse des valeurs propres, avec consolidation des concepts à travers des exercices de programmation Python et des applications pratiques en science des données.

Approfondissement de la théorie des probabilités et des statistiques. Étude de la probabilité conditionnelle, du théorème de Bayes et des mesures statistiques. Mise en œuvre des concepts clés en Python, simulation de distributions et consolidation des compétences par des exercices et des quiz.

Implémentation des Ensembles en Python

Analyse du code Python

Définition des ensembles

Union des ensembles

Intersection des ensembles

Différence des ensembles

Différence symétrique

Relations de sous-ensemble et de sur-ensemble

Suppression des doublons à l'aide des ensembles